1 前言 我们正处在一个人工智能（AI）技术迅猛发展的时代，AI正以惊人的速度改变着 社会的方方面面。作为教育领域的探索者和实践者，我们肩负着责任，希望能将 AI的独特价值和潜力呈现给更多的读者。AI不仅给教育带来了新的可能性，还拓 展了教学与学习的思维模式。本书的初衷是帮助教育工作者、学生以及技术爱好 者深入了解AI在教育中的应用，共同把握这场技术革命的脉搏。 本书内容 本书分为两大部分： 力，包括批判性思维、创造性解决问题的能力、数字素养、人机协作能力、自主 学习与终身学习能力等，并探讨AI时代教师的职业要求和发展路径。 4 Chapter 1 第1章 数字化背景下的教育发展 在数字时代，以人工智能应用为代表的新型数字化技术，正在逐渐融入学校教育教 学的各个领域，对教育认知、教育教学组织形式、教育角色、学习方式、教学评价 等产生影响。 本章主要从以下几个方面阐述数字化背景下的教育发展： ❍ 靠性和安全性。数字化技术的核心是计算机技术和信息技术，它们共同构成了现代 社会的数字化基石。 数字化技术的发展历程可谓波澜壮阔，它深刻改变了人类社会的面貌，从计算机的 出现，到互联网的蓬勃发展，再到人工智能的崛起，每一个关键时间节点都伴随着 革命性技术或工具的出现。计算机的诞生是数字化技术的起点，20世纪中期，随着 电子技术的飞速发展，第一代电子计算机应运而生，它们虽体积庞大、运算速度有 限，却为后

—————————— 收稿日期：2025-04-16 1 概述 当前，随着中国数字经济的飞速发展，产业数字 化进程的加快，数字技术对工业、服务业的渗透率不 断提高，对 5G、工业互联网、大数据中心、人工智能等 数字基础设施的需求日益增长。以 DeepSeek、Sora 等 为代表的 AI 大模型的蓬勃发展，前沿技术的快速演 进，在不断推动 AI 赋能万物数字化转型的同时，也对 当前的产业数字化、数字产业化发展提出了新的挑 化快速发展的当下，智能制造不仅关乎企业未来的生 存，更成为推动我国经济发展的重要引擎。智能制造 将带来更高效、更灵活和更智能的生产制造方式，同 时也会促进企业技术创新和可持续发展，引领产业高 关键词： 数字经济；人工智能；数智融合孪生；产业数字化； 新质生产力 doi：10.12045/j.issn.1007-3043.2025.05.001 文章编号：1007-3043（2025）05-0001-06 中图分类号：TN919 造、城市管理、水安全、碳中和等重点领域，这些文件 提供了清晰的技术导向和落地场景。此外，伴随工业 互联网与数字经济的深入推进，数字孪生被视为实现 产业智能化与数字化升级的核心工具和底座平台。 2.2 人工智能技术 人工智能（AI）作为以机器学习和深度学习为代 表的第 4 次工业革命的产物，具备从大量数据中学习 规律，并执行感知识别、预测决策等智能行为的能力。 在工业生产领域，AI技术具备广泛的应用基础。

通过云计算（灵活的算力、 5G 等连接能力、海量的存储能力） 承载 更久更大量的数据，进行大数据，从而实现更有效的管理和业务能力 并且运用人工智能等相关技术，对各流程进行协同、优化、增效、创新等 协同 将一些标准化、重复性劳动，提交给算力来解决（如：验血指标筛查） 通过数据闭环，实现大数据与人工智能在诊疗过程中的辅助作用 对医疗过程进行保障，规模一些事件发生（如，减少医疗事故与纠纷） 承接 结合 5G/RTC/ 层整合管理能力 公有云级别运营平台 公有云运维平台 PAAS 服务平台能力 异构环境纳管能力 云服务（ PAAS 、 IAAS ）服务目录， SAAS 服务接入能力 计算类 网络类 存储类 安全类 人工智能 数据库 中间件 边缘计算 与多媒体 大数据与 数据分析 各类型服务发布与集成（ SAAS 、 PAAS 、 IAAS ） 最终用户自主化、统一化门户服务 统一监控、管理（标准 API ） 安全大数据体系 Kerberos 安全认证、 Knox 安全网 关、 HDFS 透明数据加密等构建完善的 安全大数据体系 场景三： AI 大赛 场景二：公共数据共享 场景一：公共数据开放 人工智能赋能医疗行业 数据管理 多引擎支持 快速容器化管理 任务化计费 资源动态调整 AI 全流程 独立安全保障 基因组学、 病理分析、

入的 设备也越来越多，相应时滞越来越短， 智能驾 驶、物联网变得越来越成熟和普及。 主要体现为人工智能、大数据和云计算的 广泛应用。在信息时代，数据处理是由一台计 算机完成的，但互联网可以把计算能力集中在 一起，通过网络向每个终端输出计算能力。再 引入人工智能、大数据和云计算等，终端只需 要具备简单的处理和展示功能。 智能终端包括手机、可穿戴设备、传感器 智能终端的广泛使用 人工智能是一门跨学科的科学，它由不同的领域组成，如机器学习、 计算机视觉等科学和技术，还涉及心理学和哲学等人文学科。该领域的 研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 未来人工智能带来的科技产品，可以对人的意识、思维的信息过程进行 模拟。人工智能不是人的智能，但能像人那样思考，也可能超过人的智 超过人的智 能。 人工智能（ Artificial Intelligence ， AI ）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以 往需要人类的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 数字技术和基础设施（人工智能） 云计算不是一种全新的网络技术，而是一种全新的网

还是寻求思维突 破、 管理升级、 专业提升和自我实现的职业经理人 , 抑或寻求潜能激发、 自我迭 代 和持续创新的新生一代 , 《平台化管理》 期望带给广大读者数字时代平台化企 业的 由于人工智能 " 高歌猛进 " , 传统工作形式和工作方式不断被冲击 ; 由于操作 机器人的广泛运用 , 大量低端劳动力被自动化算法取代。 每天不分昼夜地 24 小时工作 , 每小时能够运送多达 重新审视与竞争对手的关系 , 使各方利益在高维空间里统 合 为什么读它？ 思维升维 文化升维 战略升维 突围 不经意之间 , 我们不仅进入了社交媒体时代 , 也进入了大数据和人工智能 时代 , 这几项技术带给我们的生活以及商业的变化是颠覆性的。 一个拥抱 了这些变化的人和一个没有拥抱这些变化的人 , 如同生活在两个时代 , 好 来 , 一个生活在过去。 也颠覆着企业传统的管理方式。 人工智能擅长模式匹配及自动化处理 , 通过数据的收集、 分析和挖掘形成 数据智慧和洞见 , 这些数据智慧和洞见能够对企业的日常管理工作和决策过 程 提供定量化的精准支持。 除了身体能力 , 机械性、 可重复的知识性脑力劳 动 , 甚至较为复杂的分析工作 , 都有可能被智能机器取代。 未来 , 大数据和人工智能将会广泛运用到企业管理中 , 利用大量实时沉淀的

［2］。智能工厂是指将物联网、 大数据、人工智能、云计算等先进信息技术与生产 收稿日期：2024‑11‑17； 修回日期：2025‑02‑20 基金项目：国家自然科学基金资助项目（92367301）；中央军委装备发展部共用技术资助项目（50923010201） 作者简介：刘骁佳（1990—），男，高级工程师，博士，主要研究方向为大数据、人工智能。 通信作者：洪海波（1986—），男，研 information fusion 63 第 42 卷 2025 年第 2 期 上海航天（中英文） AEROSPACE SHANGHAI （CHINESE & ENGLISH） 2.3 基于机器视觉与人工智能的产品制造全过程 质量检测技术 随 着 数 控 机 床 、机 器 人 、自 动 导 引 车 （Automated Guided Vehicle，AGV）等设备在车间大 量使用，数字化加工技术日趋成熟，大大提升了航 天飞行器的加工效率。然而，航天飞行器生产、装 配过程中大量的质量检测环节仍严重依赖于人工 完成，检测效率、误差控制和质量一致性难以保证， 更加无法用来直接用于指导加工和装配过程优化。 近年来，随着机器视觉、人工智能的发展，航天飞行 器制造数字化检测势在必行。基于视觉和人工智 能的航天飞行器质量检测主要分为 3 类：1） 三维几 何尺寸检测，如飞行器加工尺寸检测、装配尺寸检 测等 ［31］；2） 二维尺寸检测，如电缆网长度检测、舱体

· · · · · · · 前言 PREFACE 当人工智能与物联网的融合进入深水区，AIoT 产业正在经历从连接万物到智联万物、 从数据采集到价值创造的根本性转变。站在 2025 年底的时间节点回望，我们见证了 一个产业从技术驱动走向价值驱动、从单点突破走向生态协同的壮阔历程。 《2026 中国 AIoT 产业全景图谱报告》应运而生，它不仅是一份产业地图，更是一个 认知 的新时代已经到来。 特别值得关注的是，图谱首次系统梳理了"通感智值"跨域编排的十大协同场景。从车 路云一体化到空天地海一体化信息网络，从工业智联到全屋智能，这些场景不是技术 的简单堆砌，而是响应国家"人工智能+"战略、打造一体化全场景智能交互环境的生动 实践。每个场景都经过深度调研和反复验证，既体现技术前沿性，又具备商业可复制 性，为产业发展提供了清晰的路径指引。 图谱还特设"无锡样本"专章，深 广覆盖的方向发展。随 着激光通信、量子通信等新技术的应用，星地之间的数据传输速率将达到 Tbps 级别。 同时，在轨服务、在轨制造等新模式将进一步降低卫星运营成本。更重要的是，星地 融合将与人工智能、区块链、元宇宙等新技术深度结合，创造出全新的应用场景和商 业模式。可以预见，星地融合网络将成为未来数字社会的重要基石，支撑人类文明向 着更加智能、更加互联的方向发展。 · 12 基于 2026

但在数据透明化程度、核心工业软件之 间信息互通以及分析结果深度洞察等方面仍面临瓶颈. 为了解决这些挑战并建设从自主运行到自主优 化的新型流程工业智能工厂, 本文探讨了将流程工业智能工厂的核心工业软件与新一代人工智能的大 模型技术结合的新路径. 基于此, 本文提出了工业大模型赋能的新型流程工业智能工厂核心工业软件 体系. 该体系构建了基于大语言模型的工业大模型, 其架构分为模型底座层、公共能力层和业务应用 层 专业知识, 这既要求企业人员熟练掌握精益化运行涉及的核心工业软件的原理, 还需要深刻理解生产 工艺, 当前阶段流程工业智能工厂核心工业软件尚不具备这种能力. 近年来, 以大语言模型为代表的新一代人工智能技术发展迅速 [6], 特别是在结合工业多模态预训 练机制与多模态融合能力后, 为流程工业智能工厂建设带来了新的契机 [6,7]. 例如, 针对工业时序数据 的生成, MetaIndux-TS [8] 中控技术股份有限公司提出了 “1+2+N” 的智能工 厂建设架构, 其 1 个工厂操作系统、2 个自动化和 N 个工业 APPs 并没有严格意义上的层级关系 [10]. 浙江中智达科技有限公司进一步融合人工智能和工业互联网等新技术, 提出的新一代流程工业智能工 厂架构 (如图 2 所示) 具有更加明确的层级关系, 能够有效指导企业开展智能工厂建设, 按照工业互联 网架构划分, 该智能工厂架构可分为边缘层、IaaS

不断更新，以确保出 色的精度。通过不断从现实制造流程中收集数据，制造仿 真可以持续改进，从而使制造流程更加高效。虚拟模型将 动态地提供生产环境相关信息并优化生产环境，以实现侦 测（监控）和预测（人工智能）功能。 人为因素 为了获得真正的整体解决方案，企业的数字孪生方法还应 模拟人与流程和技术的交互，从而优化人才使用、员工分 配、人体工程学环境、生产效率和可持续发展能力，从而 确保业务持续增长。 从精益制造向智能制造的演进是企业取得成功和长盛不衰的关键。 通过开放、全面的物联网 解决方案有机地连接企业 的机器、生产线、工厂和 供应链。 使用虚拟传感器对高价值资产 的运营效率进行建模和分析。 使用来自人工智能和分析工具 的预测性洞察优化制造流程。 消除数据孤岛，实现整个生 产流程的端到端可见性，并 提高流程效率。 利用新的过程自动化技术提 高整体设备效率 (OEE)，并 降低总拥有成本。 建立联系。 然后提高竞争力。 迈出下一步。 加速迈向未来。 当企业的智能制造已为全面生产做好准备时，企业便可以 及早预测生产问题，通过绩效洞察了解如何以及在何处对 MES 做出运营调整、采用人工智能以及采取全面预防措施 降 低 风 险，实 现 无 返 工 产 品，提 高 NPI 良 率 和 发 展 业 务，找到解决方法。 但首先，需要从精益制造向智能制造逐步演进。 当您准备好深入探索时，我们随时可以向您展示下一步。

设备数字孪生管理系统，以管理壳为载体，打通发电设备生产侧及产 品侧各环节数字孪生数据壁垒，形成产品全生命周期的数字孪生服务 与管理能力；从发电设备制造商的角度，基于对上千台机组设计、运 行调试经验的综合与升华，构建行业机理与人工智能算法相结合的发 电设备智能运维解决方案，实现 IT 与 OT 的融合，助力发电行业智能 化生产运行，实现“安全高效、清洁低碳、灵活智能”的生产目标。 技术简介 1.基于多维度整合的发电设备数字样机建模技术 字 孪生体应用的解决方案，实现数字孪生体与物理实体的数据互联、信 息互通、模型互操作，解决发电行业关键设备的状态监测、故障诊断、 寿命预测等瓶颈问题。 落地应用效果 围绕工业互联网、人工智能、数字孪生等主要核心技术范畴在发 电企业产生了诸多颇具价值的技术成果。目前，本项目取得了不错的 应用业绩，已经在德惠生物质电厂、华能大庆电厂、宁夏京能宁东电 厂等多家发电企业部署应用。如汽轮机轴系振动、叶片可靠性监测、